Software de análise da Emerson ajuda a Celanese a manter 100% do tempo de atividade

Problema enfrentado
Ao longo dos últimos 100 anos, a Celanese cresceu de um experimento de fundo de quintal na Suíça para uma gigante global em materiais especializados, fabricando produtos químicos intermediários, derivados de celulose, polímeros de emulsão, ingredientes alimentícios e materiais de engenharia. Quando a Celanese, fabricante de produtos químicos, começou sua jornada de transformação digital, ela queria encontrar um modo de liberar dados isolados e tomar melhores decisões de negócios.

"O problema é ter informações em silos", disse Greg Aguilar, engenheiro sênior principal de instrumentação da Celanese. "Precisamos liberar os dados e acoplá-los a casos de negócios para PdM (manutenção preditiva), otimização de processo e gerenciamento de energia".

Abordagem usada
A Celanese identificou mais de 50 casos de uso potenciais e os priorizou com base na viabilidade antes de reduzir as opções para dois projetos-pilotos. Os casos de uso foram desenvolvidos com o feedback dos funcionários das unidades, identificando os pontos negativos do cotidiano, para ter adesão. "Incluímos os funcionários em todas as etapas, desde sessões de brainstorm até a escolha de quem seria o fornecedor da solução. As mudanças culturais são difíceis. Os êxitos que vimos ajudaram muito, mas ainda é uma batalha contínua, pois as pessoas acham que a mudança é difícil", afirmou Aguilar.

"Precisávamos escolher um parceiro", ele explicou. "Fizemos uma análise detalhada de 43 fornecedores do setor de IIoT (IoT Industrial)", afirmou. "Queríamos uma plataforma de análise que pudesse ser implantada no local. Reduzimos as opções para 12". Uma análise ainda mais detalhada diminuiu as opções para seis, depois para duas. Por fim, a Celanese, que já empregava o sistema de controle distribuído (DCS) DeltaV da Emerson, escolheu o software Plantweb Optics™ Analytics.

Resultados obtidos
Usando o caso de uso de PdM como exemplo, a Celanese decidiu testar o sistema com um projeto-piloto, analisando a temperatura do óleo lubrificante em uma peça giratória do equipamento. "Parecia não ter nada errado, mas o sistema identificou o equipamento como um problema", explicou Aguilar. "Observando a tendência de dois meses, ainda estamos abaixo dos níveis de alarme. Mas, se analisarmos o período de dois anos, o sistema identificou uma mudança no nível da temperatura. Como a temperatura aumentou ao longo do tempo, ninguém percebeu. Isso passou despercebido por meses até que o sistema avisou".

A instalação tinha um desidratador a vácuo instalado para remover umidade. "A falha identificada estava acontecendo há nove meses", afirmou Aguilar. "O sistema não era visto como degradado."
Se a temperatura tivesse continuado aumentando sem ninguém perceber, isso poderia ter desligado a unidade. "Foi possível tomar uma decisão e adicioná-la ao nosso escopo de paradas programadas", explicou Aguilar. "Um mês atrás, a válvula soltou e a temperatura diminuiu em 20 graus. A tecnologia provou poder identificar falhas ocultas".

O êxito do projeto-piloto inspirou o tipo de confiança que a nova tecnologia precisava. "Não estamos mais levando a tecnologia da corporação para os locais", afirmou Aguilar. "Agora, eles estão pedindo por isso. Estamos desenvolvendo um conhecimento institucional. Isso nos dá um ponto de partida. O valor tecnológico acelera. Estamos criando uma cultura orientada por dados para a tomada de decisões".

A FMEA (análise de efeitos e modo de falha) orientada por princípios e a regressão linear do sistema identificaram danos potenciais aos rolamentos. "Aquela válvula não foi considerada um problema até o sistema identificá-la", explicou Aguilar. "Operamos a 100% do tempo de atividade. Não queremos tempo de inatividade a não ser que necessário. Como entendemos como estava a integridade do ativo, colocamos um plano de correção em ação e esse ativo foi removido na próxima parada programada em seis meses. Isso afetou um pouco o compressor, mas tínhamos as informações disponíveis para tomar essas decisões baseadas em dados".

O Plantweb Optics Analytics tem como objetivo aumentar a capacidade dos técnicos e operadores da Celanese. "O objetivo é liberar o tempo desses funcionários para tarefas com mais valor agregado", explicou Aguilar. "Por exemplo, no cenário do caso de uso, estávamos considerando 80 variáveis diferentes. Um só engenheiro não consegue fazer isso. Tentamos nos focar no equipamento que apresenta falhas repetidas. Com o poder do sistema Plantweb Optics Analytics e a abordagem FMEA, você pode obter muito valor."

Além disso, a colaboração com o setor de TI também está sendo muito importante para a implementação do sistema. "Está acontecendo uma convergência entre TI e TO", disse Aguilar. “Dois anos atrás, eu não conhecia a equipe de TI. Agora as pessoas pensam que eu trabalho no setor de TI. A jornada inicial foi de cerca de um ano e meio. Esperamos ter uma solução escalável em um período de cinco anos".

 

Sobre o software Plantweb Optics Analytics da Emerson
O Plantweb Optics Analytics é um software de análise de dados de processo pronto para uso que coleta e interpreta dados e informações operacionais espalhados pelas plantas, eliminando necessidade de coleta, análise e interpretação de dados e informações provenientes de sistemas de controle, bancos de dados, aplicações da planta e procedimentos operacionais.